Sim(3)
PulseAugur coverage of Sim(3) — every cluster mentioning Sim(3) across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
CoSphere-SLAM: 新型全景高斯溅射SLAM框架
研究人员推出CoSphere-SLAM,一个新颖的多智能体同步定位与地图构建(SLAM)框架,专门为全景相机设计。该系统通过采用具有快速傅里叶相关和全局Sim(3)共识的球面回环闭合,解决了对称环境中错误的闭环以及单目SLAM中的尺度漂移等挑战。CoSphere-SLAM还整合了定向全局优化来纠正尺度漂移并提高姿态精度,最终在基准数据集上实现了轨迹精度和渲染质量的最新水平。
-
HiP3R 方法增强了长视频的三维重建
研究人员开发了 HiP3R,一种新颖的分层姿态图方法,旨在提高长视频序列三维重建的准确性和一致性。传统方法难以处理处理数千帧的计算需求,导致重建碎片化且坐标系错位。HiP3R 首先优化块级 Sim(3) 图以建立全局布局和尺度,然后精炼各个帧级的 SE(3) 相机估计。这种方法在各种基准测试中均显示出改进的相机轨迹和三维重建质量,适用于基于块和流式处理,无需额外训练。
-
HiP3R 方法通过分层姿态图改进三维重建
研究人员开发了 HiP3R,一种用于长时程三维重建的新颖方法,解决了将局部视频重建合并为全局一致的相机轨迹和三维几何的挑战。与以往在计算成本或刚性变换方面遇到困难的方法不同,HiP3R 利用分层姿态图。该方法首先优化块级 Sim(3) 图以获得全局布局和尺度,然后无需重新训练即可精炼帧级 SE(3) 相机估计,在多个基准测试中展示了更高的准确性。
-
CLoSeR 方法通过减少漂移提高三维重建精度
研究人员开发了 CLoSeR,一种新颖的长上下文流式三维重建方法,可显著减少跟踪漂移。通过采用闭环检测并在 SE(3) 流形上优化姿态,CLoSeR 在公里级序列上实现了无漂移重建。该方法在生成一致几何体方面优于现有的最先进方法。
-
新的RIGOR流程改进了全景视频的三维重建
研究人员推出了一种名为RIGOR的新流程,用于从全景视频重建三维场景。该系统解决了前馈重建模型中常见的不足之处,特别是在具有重复结构或纹理较弱的挑战性环境中。RIGOR通过将每个全景图视为一个四视图虚拟rig来利用360度摄像机的宽视场,以检测和纠正错误,检索回环闭合,并在全局优化之前验证几何一致性。与现有的前馈基线相比,该方法在建筑工地序列上展示了改进的轨迹精度和重建几何。
-
新方法增强大规模无人机测绘的三维重建 · 2篇论文
两篇新研究论文介绍了使用无人机(UAV)进行三维重建的先进方法。On-the-Fly3R 专注于处理无序图像流,并通过验证-拒绝-重试机制和姿态图优化来提高鲁棒性。另一方面,GeoFF3D 利用坐标锚定模型和空间大规模重建框架,直接在度量框架中预测姿态和密集点图,展示了在大规模测绘方面提高的准确性和速度。
-
新的Ex-Sim(3)-Reg方法提高了2D-3D配准精度
研究人员开发了一种名为Ex-Sim(3)-Reg的新方法,以提高图像到点云配准中2D-3D对应剪枝的精度。该技术解决了现有方法在处理单目图像产生的带噪声深度先验时的局限性。通过将问题重新表述为扩展的Sim(3)配准,Ex-Sim(3)-Reg展示了显著的改进,在基准数据集上实现了高达24.7%的配准召回率提升。
-
新方法解决长序列3D重建中的尺度漂移问题 · 2个来源
两篇新的研究论文VGGT-Align和GeoWeaver,解决了长序列3D重建中保持全局几何一致性的挑战。两种方法都通过引入新颖的框架来解决分块推理管道中的关键故障模式——尺度漂移。VGGT-Align利用场景几何不变锚定(SGIA)提取并利用几何不变性来约束尺度,而GeoWeaver则采用几何先验模型(GPM)和测试时自适应(TTA)进行分层几何组装。两种方法在基准测试中均展示了最先进的性能,显著提高了轨迹稳定性和重建质量。
-
新的SLAM系统UniSim-SLAM和CHOW-SLAM提高了精度
两篇新的研究论文介绍先进的同时定位与地图构建(SLAM)系统,提高了精度和效率。UniSim-SLAM采用前馈方法,并在Sim(3)上进行统一优化框架,以处理几何不一致和轨迹漂移,在基准数据集上取得了最先进的结果。CHOW-SLAM利用紧凑的混合表示和重叠窗口优化策略来平衡场景重建质量和相机跟踪精度,优于现有方法。
-
新方法利用LVM增强9D物体姿态估计
研究人员开发了一种新颖的类别级物体姿态估计方法,解决了泛化到未见物体能力的局限性。该方法利用了语义引导的对称感知模块,利用大型视觉模型(LVM)在不需要形状先验的情况下准确推断平移和大小。此外,特征融合模块使用球形卷积将LVM语义特征与几何特征相结合,以有效地建模长距离依赖关系。该方法在基准测试中取得了最先进的成果,并已应用于开发机器人抓取系统。